特征提取型表面增强拉曼光谱结合增强机器学习与深度学习用于COVID-19住院患者快速筛查

研究人员开发了一种无标记特征提取型表面增强拉曼光谱（Surface-enhanced Raman spectroscopy, SERS）技术，并将其与增强机器学习（Machine Learning, ML）及深度学习（Deep Learning, DL）算法相结合，用于住院患者标本中SARS-CoV-2的快速筛查。研究采用Au NPs/fZrO2与Au NPs/pZrO2两种基底采集病毒特征光谱，将标本分类为CoV (+)与CoV (-)。所有光谱均经过宇宙射线尖峰去除、基线校正及Savitzky–Golay平滑等标准预处理，并通过霍特林T2（Hotelling’s T2）与Q残差分析剔除统计离群值。研究人员评估了多种归一化策略（无归一化、最小-最大归一化、z-score归一化）与特征提取方法（全谱、人工峰选择、主成分分析（Principal Component Analysis, PCA））。支持向量机（Support Vector Machine, SVM）分类器采用k折交叉验证训练，并在独立住院患者样本盲测中进行评估。结果显示，z-score归一化结合PCA获得了最高的验证准确率（>98%），但最小-最大归一化配合人工峰选择在泛化能力上表现最优，盲测准确率分别为87.5%（Au NPs/fZrO2）和75%（Au NPs/pZrO2）。为进一步提升分类性能，研究人员构建了基于人工神经网络（Artificial Neural Network, ANN）的DL模型，其盲测准确率最高分别达到93.75%（Au NPs/pZrO2）和87.50%（Au NPs/fZrO2）。研究表明，适当的数据处理可显著提升分类精度，有效的SERS检测依赖于基底设计、数据归一化、特征选择与分类模型的协同优化，从而为SARS-CoV-2等传染病的稳健早期筛查提供支撑。

本研究发表于《Talanta》，针对当前COVID-19大流行期间传统逆转录聚合酶链反应（Reverse Transcriptase Polymerase Chain Reaction, RT-PCR）检测耗时长、难以满足大规模快速筛查需求的不足，提出将无标记表面增强拉曼光谱（SERS）与机器学习和深度学习结合，以实现对住院患者临床标本的快速分类。研究背景显示，尽管SERS具有高灵敏度、分子指纹识别和低样品制备要求等优势，但在实际临床样本中，由于病毒颗粒与非靶分子信号重叠、生物基质复杂及患者间差异显著，导致光谱解析困难。为此，研究人员设计并优化了两种基于氧化锆的SERS活性基底Au NPs/fZrO₂与Au NPs/pZrO₂，旨在增强病毒特征信号并减少背景干扰。

在技术方法上，研究人员直接从住院患者鼻咽标本中采集SERS光谱，未做额外生化处理。数据预处理包括宇宙射线尖峰去除、基线校正、Savitzky–Golay平滑及基于Hotelling’s T²与Q残差的离群值剔除。随后比较了无归一化、最小-最大归一化、z-score归一化三种策略，以及全谱、人工峰选择、主成分分析（PCA）三种特征提取方法。机器学习阶段使用支持向量机（SVM）进行k折交叉验证，并引入人工神经网络（ANN）作为深度学习模型，在独立盲测集上评估性能。

研究结果分为多个部分。首先，在Distinction of spectral profiles of CoV (+) vs CoV (-) cohorts中，研究人员发现由于样本未经预处理，光谱中存在大量与目标无关的特征峰，且化学组成和浓度存在个体差异，这增加了分类难度。其次，在基底性能评估中，Au NPs/fZrO₂与Au NPs/pZrO₂表现出不同的信号增强效果，其中pZrO₂基底结合ANN模型取得了最高的盲测准确率（93.75%）。第三，在归一化与特征提取策略的比较中，z-score归一化与PCA虽在验证集中获得>98%的准确率，但最小-最大归一化配合人工峰选择在独立盲测中展现了更强的泛化能力。第四，机器学习与深度学习模型对比表明，ANN能够更好地捕捉非线性光谱关系，克服传统SVM在高维数据上的局限。

讨论部分指出，临床样本的复杂性要求数据处理流程与基底设计协同优化，单一环节的提升不足以实现稳健诊断。研究人员强调，真实临床环境中的光谱变异源于宿主细胞碎片、黏液蛋白、免疫状态差异等因素，这对特征选择提出了更高要求。最终结论表明，特征提取型SERS结合优化的ML/DL框架能够在无需标记或复杂样品处理的情况下，实现对COVID-19住院患者的快速、可靠分类，为未来传染病现场筛查提供了一种可行的技术路径。该研究同时证明了基底形态调控、数据归一化策略和分类模型架构的协同优化是SERS临床诊断成功的关键要素。